EmoDynamiX: Emotional Support Dialogue Strategy Prediction by Modelling MiXed Emotions and Discourse Dynamics

📄 arXiv: 2408.08782v5 📥 PDF

作者: Chenwei Wan, Matthieu Labeau, Chloé Clavel

分类: cs.CL

发布日期: 2024-08-16 (更新: 2025-06-16)

备注: Accepted to NAACL 2025 main, long paper

DOI: 10.18653/v1/2025.naacl-long.81

💡 一句话要点

EmoDynamiX：通过混合情绪和对话动态建模预测情感支持对话策略

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 情感支持对话 策略预测 异构图 图神经网络 情绪识别 对话动态建模

📋 核心要点

  1. 现有端到端对话Agent缺乏透明性，且大型语言模型存在对特定社会情感策略的偏好偏差，影响情感支持质量。
  2. EmoDynamiX框架将策略预测与语言生成分离，利用异构图建模用户情绪和系统策略间的对话动态。
  3. 实验表明，EmoDynamiX在情感支持对话策略预测任务上，显著优于现有方法，并提升了决策透明度。

📝 摘要（中文）

设计能够为经历痛苦的人们提供安慰和建议的情感智能对话系统是一个引人注目的研究领域。近年来，随着大型语言模型（LLMs）的进步，无需显式策略预测步骤的端到端对话Agent变得流行。然而，隐式策略规划缺乏透明度，并且最近的研究表明，LLMs对某些社会情感策略的固有偏好偏差阻碍了高质量情感支持的传递。为了解决这个挑战，我们提出将策略预测与语言生成分离，并引入了一种新的对话策略预测框架EmoDynamiX，该框架使用异构图对用户细粒度情绪和系统策略之间的对话动态进行建模，以获得更好的性能和透明度。在两个ESC数据集上的实验结果表明，EmoDynamiX的性能明显优于以前的最先进方法（更好的熟练度和更低的偏好偏差）。我们的方法还通过允许决策回溯来展现更好的透明度。

🔬 方法详解

问题定义：论文旨在解决情感支持对话系统中策略预测的问题。现有端到端方法依赖大型语言模型，但缺乏透明度，且模型固有的偏好偏差会影响情感支持的质量，导致系统倾向于某些策略而忽略其他策略。这使得系统难以根据用户的情绪状态提供最佳的情感支持。

核心思路：论文的核心思路是将策略预测与语言生成解耦。通过显式地预测对话策略，可以提高系统的透明度，并减少大型语言模型偏好偏差的影响。利用异构图建模用户情绪和系统策略之间的动态关系，可以更准确地预测合适的策略。

技术框架：EmoDynamiX框架主要包含以下几个模块：1) 用户情绪识别模块，用于识别用户话语中的细粒度情绪；2) 异构图构建模块，将用户情绪和系统策略表示为图中的节点，并根据对话历史建立节点之间的边；3) 图神经网络模块，利用图神经网络学习节点表示，并预测下一个合适的系统策略；4) 策略解码模块，将预测的策略转化为自然语言回复。

关键创新：该论文的关键创新在于：1) 将策略预测与语言生成解耦，提高了系统的透明度；2) 提出了使用异构图建模用户情绪和系统策略之间的动态关系，更准确地捕捉了对话的上下文信息；3) 通过异构图建模，可以有效缓解大型语言模型固有的偏好偏差。

关键设计：异构图中的节点包括用户情绪节点和系统策略节点。边表示对话历史中情绪和策略之间的关系。图神经网络采用Graph Attention Network (GAT)学习节点表示。损失函数包括策略预测的交叉熵损失和用于缓解偏好偏差的正则化项。具体参数设置未知。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

EmoDynamiX在两个情感支持对话数据集上取得了显著的性能提升，超越了现有最先进方法。实验结果表明，EmoDynamiX不仅提高了策略预测的准确性，还降低了模型对特定策略的偏好偏差，从而提供了更均衡的情感支持。具体的性能提升幅度未知。

🎯 应用场景

该研究成果可应用于各种情感支持对话系统，例如心理健康咨询机器人、在线社交平台的情感支持助手等。通过提供更有效、更透明的情感支持，可以帮助用户缓解负面情绪，改善心理健康状况。未来，该技术有望在医疗、教育等领域发挥更大的作用。

📄 摘要（原文）

Designing emotionally intelligent conversational systems to provide comfort and advice to people experiencing distress is a compelling area of research. Recently, with advancements in large language models (LLMs), end-to-end dialogue agents without explicit strategy prediction steps have become prevalent. However, implicit strategy planning lacks transparency, and recent studies show that LLMs' inherent preference bias towards certain socio-emotional strategies hinders the delivery of high-quality emotional support. To address this challenge, we propose decoupling strategy prediction from language generation, and introduce a novel dialogue strategy prediction framework, EmoDynamiX, which models the discourse dynamics between user fine-grained emotions and system strategies using a heterogeneous graph for better performance and transparency. Experimental results on two ESC datasets show EmoDynamiX outperforms previous state-of-the-art methods with a significant margin (better proficiency and lower preference bias). Our approach also exhibits better transparency by allowing backtracing of decision making.